基于深度学习的自主定位与运动感知方法及系统

本发明涉及基于深度学习的自主定位与运动感知方法，包括以下步骤：多模态感知：利用DAVIS346事件相机采集RGB帧与事件流，利用RGB‑D相机获取纹理与深度信息，通过激光雷达补充3D结构数据；混合光流驱动的运动感知：采用改进型RAFT网络与事件光流专有网络的双分支架构；多模态3D检测与轨迹管理：基于VoxelNeXt‑Lite融合多模态数据生成3D检测框，结合点云密度聚类与事件密度阈值过滤误检，再通过Spatio‑Temporal Graph Transformer构建时空图关联轨迹，并利用步态周期感知的LSTM模型优化行人轨迹预测连续性；多视角语义图匹配：构建包含垂直特征的3D语义体素地图，结合顶视图NetVLAD特征与可变形图匹配计算场景相似度，同时利用情境编码器与知识图谱推理动态调整语义权重；多传感器融合与鲁棒定位。